词元星火-大模型推理引擎研发工程师-北京(J13589)

负责大模型推理框架设计与研发，主导计算图编译、算子融合、动态批处理、推理调度等核心模块优化，持续提升框架通用性与推理性能。

深耕Transformer模型推理优化，落地Attention加速、模型量化、KV Cache优化、显存复用等技术，解决超大模型显存溢出、推理延迟高、吞吐低等工程痛点。

负责多机多卡分布式推理系统研发，优化张量并行、序列并行及跨设备通信调度，支撑万亿级参数模型分布式高效推理。

完成推理引擎及自定义高性能算子在昇腾、海光等国产AI加速卡的适配、迁移与性能调优，搭建国产化高性能推理体系。

跟进业界前沿推理技术与开源框架（vLLM/SGLang/TensorRTLLM），完成技术选型、方案落地与技术沉淀，赋能业务高效迭代。

本科及以上学历，计算机、人工智能等相关专业，3年以上大模型推理系统、高性能计算研发经验，具备千亿级模型部署落地经验者优先。

精通主流大模型推理框架与优化方案，熟练掌握量化压缩、算子优化、计算图编译、显存精细化管理等核心技术。

深刻理解Transformer推理机制，熟练运用FlashAttention、PagedAttention等主流加速技术，具备超大模型推理性能调优实战经验。

熟悉GPU/NPU异构硬件架构，掌握CUDA开发，有昇腾CANN、海光DCU、国产NPU算子开发与平台适配经验者优先。

具备高性能代码开发能力，熟悉分布式推理通信与调度机制，能独立排查并解决线上推理性能与稳定性问题。 优先条件

有万亿级大模型推理引擎研发、框架重构及大规模线上落地经验；

长期深耕国产AI硬件平台，具备完整的国产化推理优化落地项目经验；

有推理框架、高性能算子开源贡献或相关技术成果沉淀者优先。 岗位优势 核心技术攻坚岗位，直面行业前沿大模型推理工程难题；团队技术氛围浓厚，硬件算力资源充足，完善的成长与薪酬激励体系，兼具技术深度与职业成长空间。